9931 पेपर
AdaJudge एक एकीकृत ढांचा है जो बैकबोन रिप्रेजेंटेशन्स को भेदभाव-उन्मुख स्थान में संयुक्त रूप से अनुकूलित करके और स्टैटिक पूलिंग को एक एडेप्टिव मल्टी-व्यू एग्रीगेशन मॉड्यूल से बदलकर रिवॉर्ड मॉडलिंग को बढ़ाता है, जिससे यह प्रमुख बेंचमार्क पर मौजूदा मॉडलों से बेहतर प्रदर्शन करता है।
यह शोध पत्र ज़ीरो-शॉट एम्बेडिंग ड्रिफ्ट डिटेक्शन (ZEDD) को प्रस्तुत करता है, जो एक हल्का और प्रशिक्षण-मुक्त ढांचा है जो एम्बेडिंग स्पेस में सिमेंटिक बदलावों को मापकर LLMs को प्रत्यक्ष और अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन हमलों से सुरक्षित करता है, और आंतरिक तंत्र तक पहुंच या विशिष्ट हमलों के प्रकारों के पूर्व ज्ञान की आवश्यकता के बिना विविध मॉडलों में 93% से अधिक सटीकता प्राप्त करता है।
OpticalDNA एक नवीन विज़न-आधारित ढांचे को पेश करता है जो जीनोमिक मॉडलिंग को ऑप्टिकल कैरेक्टर रिकग्निशन (OCR) कार्य के रूप में पुनर्गठित करता है, जिससे डीएनए अनुक्रमों को संरचित दृश्य लेआउट में परिवर्तित किया जाता है ताकि पारंपरिक लैंग्वेज मॉडल दृष्टिकोणों की तुलना में काफी कम टोकन और प्रशिक्षित मापदंडों के साथ बेहतर प्रदर्शन और उच्च-सटीक संपीड़न प्राप्त किया जा सके।
यह शोध पत्र VALUEFLOW को प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो पदानुक्रमित मूल्य निष्कर्षण (hierarchical value extraction), एक बड़े पैमाने के तीव्रता-लेबल वाले डेटाबेस और एक कैलिब्रेटेड मूल्यांकन प्रणाली को एकीकृत करके मूल्य-आधारित संरेखण (value-based alignment) में प्रमुख अंतरालों को संबोधित करता है ताकि लार्ज लैंग्वेज मॉडल्स में मूल्य तीव्रताओं के बहुलवादी और स्टीयरेबल नियंत्रण को सक्षम किया जा सके।
यह शोध पत्र एंडोजेनस स्टीयरिंग रेजिस्टेंस (ESR) को प्रस्तुत करता है, जो एक ऐसी घटना है जहाँ लार्ज लैंग्वेज मॉडल्स विशिष्ट लेटेंट फीचर्स की पहचान करके टास्क-मिसअलाइन्ड एक्टिवेशन स्टीयरिंग का स्वायत्त रूप से पता लगाते हैं और मौखिक रूप से उसे अस्वीकार करते हैं, एक ऐसी क्षमता जिसे फाइन-ट्यूनिंग के माध्यम से बढ़ाया जा सकता है लेकिन यह मॉडल सुरक्षा और लाभकारी स्टीयरिंग हस्तक्षेपों की विश्वसनीयता, दोनों के लिए दोहरे निहितार्थ प्रस्तुत करती है।
यह शोध पत्र नॉर्मलाइज्ड लॉजिट डिफरेंस डिके (NLDD) प्रस्तुत करता है, जो चेन-ऑफ-थॉट मॉडल्स में एक सुसंगत "रीजनिंग होराइजन" को प्रकट करता है जहाँ श्रृंखला की लंबाई के 70-85% से आगे के चरण निष्ठा खो देते हैं, जो यह दर्शाता है कि केवल सटीकता ही वास्तविक तर्क की गारंटी नहीं देती है।
यह शोध पत्र एक नवीन, आर्किटेक्चर-अज्ञेय (architecture-agnostic) ढांचे को प्रस्तुत करता है जो ट्रांसफार्मर अटेंशन फील्ड्स का विश्लेषण करने के लिए प्रॉपर ऑर्थोगोनल डिकंपोजिशन (POD) और मोरलट वेवलेट ट्रांसफॉर्म्स को अनुकूलित करता है, जो परत-निर्भर स्केल संगठन को प्रकट करता है और भाषाई एनोटेशन की आवश्यकता के बिना अटेंशन जटिलता के लिए एक डेटा-संचालित मीट्रिक प्रदान करता है।
यह शोध पत्र PolyFact, एक बड़े पैमाने के बहुभाषी तथ्यात्मक QA डेटासेट का परिचय देता है, और यह प्रदर्शित करता है कि कंसिस्टेंसी-ड्रिवन रीइन्फोर्समेंट लर्निंग (GRPO), भाषाओं के बीच साझा प्रतिनिधित्व को बढ़ावा देने के लिए मल्टीलिंगुअल रूटिंग को पुनर्गठित करके, क्रॉस-लिंगुअल तथ्यात्मक रिकॉल में सुपरवाइज्ड फाइन-ट्यूनिंग और कॉन्टिन्यूअल प्रीट्रेनिंग की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र एलएलएम (LLM) वैयक्तिकरण के मूल्यांकन में सिंथेटिक और मानव डेटा के बीच महत्वपूर्ण अंतराल को प्रकट करता है, जो यह दर्शाता है कि वर्तमान मॉडल उपयोगकर्ता के गुणों को सटीक रूप से निकालने, चुनने और शामिल करने में संघर्ष करते हैं ताकि ऐसे उत्तर उत्पन्न किए जा सकें जिन्हें मनुष्य वास्तव में उपयोगी पाते हैं, बावजूद इसके कि उनके ऑटोमेटेड इवैल्यूएशन स्कोर उच्च हैं।
यह शोधपत्र UnpredictaBench का परिचय देता है, जो एक नया बेंचमार्क और मीट्रिक (KS@N) है जिसे वास्तविक अंतर्निहित वितरणों से सटीक रूप से नमूने लेने की बड़े भाषा मॉडलों (LLMs) की क्षमता का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि वर्तमान मॉडल सिमुलेशन में अपने बढ़ते उपयोग के बावजूद वितरण संबंधी यादृच्छिकता (distributional randomness) के साथ काफी संघर्ष करते हैं।